IMPLEMENTASI DATA MINING PADA DATA PENJUALAN PAKAIAN MENGGUNAKAN ALGORITMA K-MEANS DENGAN OPTIMIZE PARAMETER GRID

Abstract

Perkembangan teknologi telah berdampak besar pada sektor perdagangan dan bisnis, khususnya dalam e-commerce. Menurut website https://www.statista.com/topics/871/online-shopping E-commerce Worldwide - Statistics & Facts  Pada tahun 2019, sekitar 1,92 miliar orang terlibat dalam transaksi e-commerce, dengan Indonesia mencatatkan sebagai pengguna tertinggi pada tahun 2018. Pakaian berkontribusi besar pada perkembangan bisnis di Indonesia. Toko rizki_collection123 merupakan salah satu pelaku bisnis yang berjualan di E-commerce. Tantangan utama yang dihadapi oleh Toko rizki_collection123 adalah belum mendapatkannya informasi dari data penjualan untuk meningkatkan strategi bisnis. Tujuan utama dilakukan penelitian terhadap data penjualan untuk mengetahui nilai k optimal berdasarkan parameter, maka diperlukan operator optimize parameter grid untuk mempercepat pengelompokan data penjualan untuk mengetahui informasi karakteristik yang ada pada dataset, dengan ParameterMixed Measure. Penelitian ini menggunakan Metode Data Mining Algoritma K-Means Clustering dengan Optimize Parameter Grid. Penelitian ini menggunakan Teknik analisis data Knowledge Discovery in Database (KDD). Algoritma K-Means dipilih karena cukup efektif dalam pengelompokan data yang besar seperti data hasil penjualan. Tools yang digunakan pada penelitian ini yaitu RapidMiner v.10.2. Hasil clustering berdasarkan Davies Bouldin Index terendah terbentuknya 3 cluster dengan Measure type BregmanDivergences pada DBI= 0,035. Cluster 0 memiliki sebanyak 2859 item atau sekitar 41,15% dari total transaksi 6946, sedangkan Cluster 1 memiliki 2392 item atau sekitar 34,44%. Cluster 2 memiliki 1695 item atau sekitar 24,41%